一、联合训练突出信息共享（论文文献综述）
牟梓君[1]（2021）在《小儿脑瘫中医诊疗知识图谱构建及其隐性知识显性化研究》文中研究表明研究目的基于西安中医脑病医院电子医疗记录、教材和中医儿科常见病诊疗指南等,研究小儿脑瘫中医诊疗知识图谱的构建及其相关隐性知识显性化的方法,为小儿脑瘫中医诊疗相关隐性知识的发掘、可视化、管理以及学习传播开辟新的途径,为小儿脑瘫中医诊疗方案的优化,以及辅助诊疗系统的构建奠定基础。研究方法1.小儿脑瘫中医诊疗知识图谱构建研究:以脑瘫患者住院电子病历、医院信息系统抽取的医嘱数据、效果评估量表以及中西医已经发布的脑瘫临床诊疗指南、教材为主要知识来源构建知识框架以及知识图谱。首先,对符合纳入标准的小儿脑瘫电子病历的非结构化信息,通过实体标注、概念和关系抽取、术语规范化整理以及机器学习等方法,进行人机结合的结构化处理以及数据的预处理;其次,结合已整理形成的小儿脑瘫的相关概念、概念间的关系等,参考已有的《中医药学语言系统语义网络框架（TCMLS-SN）》（ISO 19465-2017）和《中医临床术语系统分类结构》（ISO/TS 17938-2014）,定义并形成小儿脑瘫疾病的“本体框架”,应用斯坦福大学的知识库构建的“七步法”构建小儿脑瘫疾病诊疗知识库,形成知识图谱的模式层;然后,将结构化并规范标注的小儿脑瘫电子病历的实体数据与模式层的本体框架对应匹配,形成知识图谱的数据层。本体框架的手工构建使用Protege这一本体构建软件,数据的存储使用Neo4j图数据库,最终形成知识图谱语义查询、应用的可视化展示,以及后续知识更新、维护的方法和平台。2.以小儿脑瘫住院治疗方案分析及常用方案疗效比较为例,采用临床评价方法实现隐性知识显性化:尽管在小儿脑瘫诊疗中有明确的诊疗方案,但针对每个患儿,具体诊疗方法往往是个体化的,为了使个体化诊疗中所包含的隐性知识显性化,本研究根据中医针灸“证-治-效”紧密相关的特点,对2013～2019年间住院的1304例7周岁以下脑瘫患儿的诊断情况和接受治疗情况进行回顾性分析,得出学龄前脑瘫儿童的人群基本特征、患病情况（包括脑瘫本病和共患疾病）、住院治疗时间和治疗方案概况（包括治疗方法种类、使用率及方法联合使用情况）。对选出的3种最常用的相似治疗方案进行组间疗效比较研究,纳入病例是住院前后有2次格塞尔发育量表（Gesell Developmental Schedules）评估的脑瘫患者,以格塞尔发育量表评估结果为观察指标,具体包含:动作能、应物能、言语能、应人能4个维度的发育商。根据各组患者基线情况（包括年龄、性别、脑瘫分型、住院时间、治疗前各维度发育商）分析,将患者依据年龄分为婴儿期、幼儿期、学龄前期3层,进行年龄层内3组治疗方案间的疗效比较分析。使个性化治疗所包含的诊疗方案隐性知识显性化,完善并充实小儿脑瘫的知识库。3.以脑瘫针刺治疗处方规律及适应症人群发现为例,采用数据挖掘方法实现隐性知识显性化:对住院接受针刺治疗且第一诊断为脑性瘫痪的7周岁以下患者的首张针刺治疗处方进行数据挖掘分析,找出临床针刺治疗小儿脑瘫的取穴规律和针刺处方对应的适应症人群特征。纳入首次病程记录中含有针刺治疗处方、出院时有治疗效果评价的小儿脑瘫病例。首先对脑瘫总样本的针刺治疗核心处方进行复杂网络分析,得到针刺治疗脑瘫的核心用穴或基本用穴;其次,基于针刺处方中穴位的相似度对脑瘫患儿进行社团检测,筛选出具有特色的脑瘫亚人群,相似度采用Jaccard相似系数,社团检测采用Fast Unfolding（BGLL）高效社团检测算法;再依据各亚群内穴位特征和症状特征的分布情况（富集情况）找出各亚群的特征性穴位和特征性症状;结合各亚群复杂网络分析得到的核心穴位形成相应人群的针刺处方。总结各脑瘫亚人群的特征症状和针刺处方规律,将转为显性化的小儿脑瘫针刺处方规律等隐性知识补充到知识库。研究结果1.小儿脑瘫中医诊疗知识图谱构建（1）构建小儿脑瘫的本体框架。结合诊疗指南、教材、医院电子医疗记录和既往中医疾病本体,构建脑瘫的本体框架,包括脑瘫患者类、诊断类、病因类、症状类、治疗类5个本体类（class）和12种类间关系,以此作为知识图谱的模式层。（2）脑瘫实例导入图数据库。根据研究目的将3852个治疗有效诊次的脑瘫患者诊疗数据通过Python分类别导入Neo4j图数据库,其中包含了疾病名称（脑瘫疾病分型、其他合并疾病诊断）、证型、症状、穴位、方名、中药、治疗方法等类型,以及引起、治疗、具有等关系。围绕中医治疗小儿脑瘫的诊疗方案内容在6类标签、5种关系下构建形成2970个节点和38160条关系,作为知识图谱的数据层。（3）小儿脑瘫中医诊疗知识图谱语义检索和可视化展示。最终初步实现了针刺、中药结合治疗小儿脑瘫的诊疗方案知识图谱的可视化展示和语义检索功能。2.小儿脑瘫治疗方案及其疗效相关知识的图谱完善治疗方法及其效果相关的知识是一种隐性知识,需要在对诊疗方案进行疗效评价研究的基础上才能将隐性知识转化为显性知识。本研究分析了西安中医脑病医院1304例住院患儿的诊疗方案,并对接受三组常用治疗方案的部分脑瘫患儿进行了神经康复治疗效果评估,基于所得结果对小儿脑瘫知识图谱进行增补完善,同时也对此类隐性知识显性化方法进行了初步探讨。对1304例第一诊断为脑性瘫痪的7周岁以下患儿的患病情况进行分析:结果显示男童年龄（3.25±1.64）与女童年龄（3.36±1.67）相当,治疗时间在70天左右;在1304个人的3006个住院次中男童住院次数（1782人次）比女童（1224人次）多。其中71.03%的脑瘫分型是最常见的痉挛型,其次是不随意运动型,有232人次（12.61%）,肌张力低下型（8.37%）和混合型（6.74%）位于其后。脑瘫儿童的中医证候主要有肝强脾弱证、肝肾亏虚证、脾肾两虚证、痰瘀阻络证等,肝强脾弱证是人群中最多见的证型。最常见合并疾病中感染、炎症占据重要位置,而且上呼吸道感染、急性支气管炎、支气管肺炎的情况与全院统计结果类似。此外,低年龄人群在发育畸形和消化系统等方面的疾患更为突出。根据患者医嘱将其治疗方法分为10大类,分别是针灸、推拿、康复、理疗、拔罐、刮痧、西药、中药、中成药、手术,经统计,60%以上的患者治疗时使用了是康复、针灸、西药、中成药、推拿、理疗,针灸和康复的使用率分别超过了 92%和97%,而中药、拔罐、手术、刮痧等疗法的使用率相对较低。在针灸疗法中,使用率最高的仍然是普通针刺治疗方法,在针灸各疗法中占92%;其次为穴位注射（74.36%）和穴位埋线（55.85%）。对患者住院期间常用的疗法数及组合进行分析,在3006人次的脑瘫住院治疗中,75.9%的患者接受了 5-7种治疗方式,其中最普遍的是接受6种疗法者（31.7%）。对所有患者所接受的治疗方案情况进行频数统计,发现共有81种治疗组合形式,其中最常用的治疗方案是“康复、理疗、西药、针灸、推拿、中成药”,“康复、理疗、西药、针灸、推拿、中药、中成药”和“康复、西药、针灸、推拿、中成药”这3种组合形式。以Gesell发育量表各维度智龄为观察指标,对接受基础组治疗方案（康复、西药、针灸、推拿、中成药）的脑瘫患儿治疗前后的智龄变化情况进行评价,结果显示差异有统计学意义（P<0.05）,治疗后智龄高于治疗前,说明治疗有效。对3种常用小儿脑瘫住院治疗方案的效果比较:以格塞尔发育量表各个维度的发育商为观察指标,得出幼儿期患儿和学龄前期的痉挛型脑瘫患儿在接受三类治疗方案治疗3个月后组间疗效均相同,各维度发育商得分差异无统计学意义（P>0.05）,提示在多措施联合治疗小儿脑瘫的过程中,疗法的数量并不是越多越好,部分疗法对于患儿脑瘫症状的疗效有待商榷。从小儿脑瘫住院诊疗方案分析结果中抽取新实体和关系加入到知识图谱中,将治疗方案相关隐性知识转化为显性知识,此处增补8个实体（治疗相关3个,评估量表相关5个）、3种关系,形成28个三元组。3.小儿脑瘫针刺处方及其适应人群发现与知识图谱完善对针刺治疗有效的943名7周岁以下患者的针刺用穴情况进行分析,得到该院接受针刺治疗的患者的一般情况:男童年龄（2.92± 1.69岁）与女童（2.88±1.62岁）相当,住院时间均为80天左右,从明确脑瘫分型的患者来看,仍然以痉挛型脑瘫为主（42.1%）,其次是肌张力低下型（7.32%）和不随意运动型（6.15%）;按诊断频次统计,证候诊断排序依次是肝强脾弱证、脾肾两虚证、肝肾亏虚证、脾肾亏虚证。对接受针刺治疗的脑瘫患儿的穴位处方进行频次统计分析,943个脑瘫针刺处方中含90个（组）穴,运用了十四经穴、经外奇穴、焦顺发头针和靳瑞教授创立的靳三针4类穴位。依频次从高到低排序,使用率前三位的是足运感区、三阴交、运动区,使用率超过80%;脑瘫针刺用穴中阳经穴位较多,四肢穴位为主;功效以改善运动和平衡障碍为主。采用复杂网络算法分析943名脑瘫患者的针刺治疗核心穴位,得出运动区、足运感区、三阴交是针刺穴位处方中最重要的穴位,次核心穴还有血海、阳陵泉、丰隆、太冲、平衡区、合谷、后溪、申脉等。利用社团划分、复杂网络分析等算法挖掘得到3个脑瘫亚人群,针刺处方与人群的症状特征的对应关系分别是①足运感区、血海、丰隆、平衡区、肝俞、脾俞、悬钟、委中、手三里、外关、承扶、阳陵泉、行间、运动区治疗脑发育成熟度较低,运动功能发育差,肌张力高,步态异常且平衡性差,自我移动能力受限,肢体关节活动不利,精细动作发育障碍,伴有智力低下、消化功能障碍的脑瘫患儿。②运动区、足运感区、三阴交、血海、阳陵泉、丰隆、太冲、平衡区、合谷、申脉、后溪治疗脑发育成熟度相对较高,已具备站立或行走能力,手功能或精细运动发育欠佳,肌张力高、姿势异常的患者。③运动区、足运感区、三阴交、腰阳关、足三里、肾俞、手三里、脾俞、大椎、四神聪、智三针、言语区（三个区）、百会、上廉泉治疗四肢痿软无力的肌力低下型运动障碍,兼有智力、语言发育障碍的患儿。利用知识图谱查询与P0/P2/P4人群特征症状相似的患者的针刺选穴,查询结果显示P0、P2类特征症状的治疗穴位均能涵盖数据挖掘结果中的针刺核心穴和特征穴,P4类特征症状的治疗穴查询也包含了 P4所有的核心穴,在一定程度上佐证了挖掘分析所得规律的可靠性,继而可将结论中的关系和属性增补到知识图谱中,实现小儿脑瘫针刺处方规律相关知识的显性化转换。研究结论1.知识图谱技术是小儿脑瘫等复杂疑难疾病进行疾病相关知识归类整理、展示、查询和搜索的有力工具,可以通过建立包含疾病、证候、症状、治疗、疗效等本体的小儿脑瘫知识图谱实现脑瘫知识体系的构建和可视化,为小儿脑瘫中医诊疗知识的传播、学习找到新途径,并为临床疾病诊疗方案的制定和方案优化研究提供工具和方法。2.通过临床疗效评价、数据挖掘等多种技术组合,分析脑瘫患者病历诊疗数据获取脑瘫中医治疗相关隐性知识,抽取其中概念、关系补全完善小儿脑瘫中医诊疗知识图谱内容,实现了小儿脑瘫隐性知识向显性知识的转化,完善了知识图谱构建方法,是隐性知识显性化的有效手段。3.通过临床治疗方法分析和疗效评价,得出临床实践中小儿脑瘫诊疗方案的制定缺乏规范性,联合疗法使用的目的不明确,疗法有待进一步优化。本研究从临床有效诊疗数据中挖掘分析出三条脑瘫针刺取穴经验,与知识图谱检索结果具有一致性,可以为临床针刺治疗小儿脑瘫的处方选穴提供参考。
曹勇[2]（2021）在《高校通识教育中的设计课程研究：概念、内容与课题方法》文中研究说明伴随我国高校新时代本科人才培养模式转型,美育、双创教育、跨学科教育逐步成为重要内容。它使设计教育从专业领域进入通识领域,面向高校非专业学生的通识设计教育快速发展,但对它的系统研究还很缺乏。因此,以其发展历史与现状为依据,以概念剖析与设计研究为方法,对其概念内涵、课程内容建构、课题设计方法进行了系统理论研究,并形成以下结论:设计通识是以设计学科为内容载体,以通识美育为育人目的的设计教育形态。它揭示了设计教育作为一种跨学科探索活动在职业教育与人文通识之间的往复运动。回归美育育人不仅是其应用功能,也揭示了设计创造力培养的主体内在根源和设计作为人文学科的价值本源。在育人与学科双重视野下,设计通识课程内容可分为设计语言、设计返身、设计自由3个层次,其知识形态特征应该是学科内的破界与贯通、学科外的跨界与交叉,其核心能力是设计形式生成的思维能力。通过“知觉-媒介-抽象”、“意义-符号-叙事”、“技术-结构-系统”、“观念-重构-生成”4种设计形式生成思维的训练,建立全人发展与身体、文化、技术与观念的广泛联系,它既是设计育人的特点,也是设计学科自身拓展的动力。通识设计的课题设计方法对应于课程的核心内容和内容层次,表现为微观的基于具体内容的设计方法、中观基于应用情境的设计方法,但宏观层面上讲通识课题设计的本质不仅是“关于设计教育的研究”,更是一种“设计的研究”。课题作为人文性的教学设计“形式”,在抽象层面也具有媒介、意义、结构、观念4方面特征,由此打开课题设计更为丰富的可能。
刘亮[3]（2021）在《基于深度学习的视觉运动估计与理解》文中研究说明随着深度学习的高速发展,计算机视觉技术在图像任务中取得了瞩目的成果。近年来,视频的数据量和业务量在监控安防、自动驾驶、互动娱乐、工业视觉等多个领域中呈爆炸式增长,这对人工智能技术在视频中的应用提出了新的需求。然而,将处理静态图像的深度学习方法直接迁移至视频序列任务中,将丢失时间维度的信息建模,从而无法有效地处理视频任务。因此,对视频任务展开深入研究有着重要的科学意义和社会价值。本文聚焦于视觉运动估计与理解领域,按照各项视频任务对信息的加工程度,以由浅及深的顺序展开研究。对于视频任务,现有的研究工作仍然存在诸多挑战:低层次的视觉运动感知任务以空间点或像素点为研究对象,其面临的最大挑战是监督学习标注数据难以获得,以及无监督目标函数的不可靠性;而高层次的视觉运动理解任务以视频中的目标或行为实例为研究对象,其难点在于如何以较低的计算成本实现高效准确的推理精度。针对上述挑战,本文研究低层次的无监督学习的深度估计、光流估计等稠密点的状态估计任务,以及高层次的多目标跟踪和行为检测任务。本文的研究内容与主要创新点如下:1.针对深度估计、光流估计以及运动区域分割等低层次视觉任务,本文利用几何约束提出多任务联合的无监督学习框架,无需标注数据便可对多个任务进行互相协同促进的学习。同时,本文提出对网络估计的深度与光流使用优化方法得到相机自运动,并获得场景的刚性流,进而根据视角合成误差对场景中的运动区域进行区分。通过对运动区域和静止区域引入特有的一致性损失,能够提升各子任务的预测精度。2.针对无监督光流估计任务中损失函数在大运动、遮挡、极端光照条件等复杂场景中不可靠的问题,本文提出了一种新颖的类比学习方法。通过设计各种变换来构造类比样本,以原始样本的预测为类比样本提供更为可靠的监督信号。此外,本文设计了一种高度共享的循环光流网络结构并提出多帧输入下的拓展结构,不仅显着降低了光流网络的参数量与计算量,并且达到了与主流监督学习方法相近的精度与更优的泛化性能。3.针对多目标跟踪任务,本文提出将目标检测、重识别以及运动估计子任务集成为一个无锚点网络,进行多任务联合学习。同时,本文提出循环结构的运动估计分支以及链式记忆推理策略,以较低的额外参数和计算量实现准确的运动估计,从而降低多目标跟踪对复杂关联算法的依赖。此外,本文提出以检测数据集的静态图片训练跟踪网络的方法,从而以较低的训练门槛实现了实时准确的多目标跟踪方法。4.针对视觉运动研究的落地问题,本文对工业装配过程中的运动跟踪与理解任务展开应用研究,提出了数据驱动的轻量级视觉运动跟踪与行为理解系统,以实现对装配过程中操作员手部动作的实时时空检测。在算法层面上,本文提出了以跨帧检测的方法进行逐帧多目标跟踪的算法,融合高频率跟踪器与低频率检测器的预测结果,实现低计算开销的高效目标跟踪。此外,本文提出以通用的方式对图像目标检测和视频行为检测网络分别进行了轻量化修改,进一步促使整个视频分析系统能够在低算力硬件平台上实时运行。对于上述研究内容,本文在视觉运动估计与理解领域取得了出色的研究成果,并在学术界与产业界得到了广泛应用,充分地补充完善了视频运动的前沿探索研究。
王苹宇[4]（2021）在《基于深度学习的行人再识别算法研究》文中进行了进一步梳理近年来,监控摄像机数量的爆发式增长为智能视频监控提供了海量的数据,但同时也大大增加了视频信息处理的难度。行人再识别技术能够在大规模监控网络中对指定行人图像进行身份识别和检索,并建立该行人在不同摄像机下的身份关联,因此对智能视频监控网络中的目标跟踪、运动分析、行为理解等后续工作具有重大的意义。然而,行人图像通常包含姿态、遮挡、背景、光照、分辨率等诸多变化,这使得行人图像的表观特征会发生变化,给识别性能造成了重大的影响。本文分别从姿态变化、模态差异和长尾分布三个方面对行人再识别问题展开深入研究,提出了一系列解决方案,提高了行人再识别模型的有效性和鲁棒性。本文的主要研究内容和贡献在于:1.提出了基于层次注意力和分组注意力的高阶行人再识别算法来学习姿态不变性的高阶行人特征,以解决行人姿态非对齐的问题。利用Kronecker积来融合多层次的全局和局部卷积特征,采用计数梗概函数将Kronecker积转化为Hadamard积,在没有明显地损害高阶特征的表达能力的情况下,压缩了高阶特征的维度。通过设计分组乱序Kronecker积算法,采用通道分组和分组乱序策略来充分学习组内和组间特征的高阶交互,降低了高阶计算过程的时间和空间复杂度。同时,还通过利用分组乱序Kronecker积来融合多个全图和前景的卷积特征,进而获得了全图和前景的高阶特征。实验结果验证了所提出的方法在不依赖行人姿态估计和特征分割的情况下能够有效地对齐不同行人图像的姿态;2.提出了一种基于困难模态对齐网络的跨模态行人再识别框架来解决模态差异的问题。考虑到不同维度的模态差异是非均衡分布的,首先挖掘具有较大模态差异的困难子空间,然后集中消除该困难子空间的模态差异,有助于学习具有模态不变性的行人特征。此外,该框架能够同时消除全局和局部的模态差异,提高了模型的跨模态泛化能力。实验结果表明,相比于其它跨模态行人再识别方法,该框架在性能上具有明显的优势;3.提出了一种基于多区域匹配网络的跨模态行人再识别框架来解决模态差异的问题。该框架能够同时对齐粗粒度和细粒度的区域特征的模态分布,并且迁移不同区域的语义知识来加强不同区域特征之间的相关性,提高了行人特征的鲁棒性。此外,该框架能够自适应地为困难区域任务分配较高的权重,为简单区域任务分配较低的权重,从而突出困难区域任务的优先程度。实验结果表明,该框架能够大幅度提升跨模态行人再识别的准确率;4.提出了一种基于多元变化特征生成的非均衡行人再识别框架框架来同时解决行人数据在类别样本和难易样本上的非均衡问题。该框架从成分分解和特征生成的角度来均衡每个类别的样本数量,从而学习到类别均衡的行人特征。采用对抗学习方法来提高伪特征的识别难度,为再识别模型提供了更多遍历参数空间的机会来获得最佳的模型参数,缓解了难易样本非均衡的问题。实验结果验证了所提方法的有效性。
何平[5]（2021）在《基于多任务神经网络的行人属性识别研究》文中研究表明行人属性为行人目标提供了人类个体丰富的语义信息,行人属性识别任务是计算机视觉领域中一个研究热点,广泛应用于图像检索、智慧安防以及人机交互等领域,具有广泛的学术研究及实际应用价值。近年来,随着卷积神经网络在视觉图像识别领域取得了令人瞩目的成就。基于深度卷积神经网络框架的属性学习研究不断进步,但行人属性易受视角变化、场景和行人外观多样性、以及类内属性差异等各种影响,如何提高算法模型的泛化性和达到准确的属性识别效果,仍然需要对其进一步的研究。本文研究基于多任务神经网络的行人属性识别方法,首先在行人单属性识别和多属性识别任务上,采用深度残差网络进行特征提取识别,结果表明多个行人属性之间具有潜在的内在联系,对多个属性进行联合训练识别比单属性识别取得了更好的效果。但其中行人细粒度属性识别精度未得到明显提升,分析原因是每个行人都有不同的属性,导致不平衡分布的属性样本以及类内属性差异等非理想条件的影响。本文进一步提出一种基于注意力机制和深度残差网络的多任务神经网络,在深度残差网络的基础上引入注意力机制,设计结合注意力机制的残差网络,去关注学习提取显着的特征信息;在网络输出损失层,针对样本正负比例差距不均衡,采用动态权重的损失函数,规避了以相同权重强制学习不同的属性任务,加速模型收敛。本文实验在PETA行人属性公开数据集上进行性能验证,并设置了消融对比实验验证,分析设计以上改进网络结构对模型识别性能的影响。实验结果表明,（1）结合注意力机制的残差网络对不同属性的相关特征更具学习性,关注有用特征信息抑制冗余信息。（2）损失函数引入损失权重,规避了以相同权重强制学习不同的属性任务,能够调整不同属性学习任务,优化了网络训练方向。本文改进后模型所有标签的平均识别准确率为0.842,基于样本的准确率为0.796,精确率为0.873,召回率为0.861,F1分数为0.867。最后以实际照片测试网络识别效果,行人中相同的属性得到相同的预测结果,不同的属性网络能够区分,证实了本文方法的可行性。
吕佳龙[6]（2021）在《基于深度学习的双目深度与光流联合估计》文中进行了进一步梳理三维重建是包括机器人导航、目标识别、场景理解、动画制作、工业控制、医疗诊断和自动驾驶在内诸多领域所需的核心技术,而深度和光流信息是重建真实三维场景的必备条件。早期方法针对深度或光流进行单独估计,近年陆续出现联合估计深度与光流的不同方法。但联合估计方法依然在泛化性、准确性、完整性等方面存在不足,严重制约该领域进一步发展。因此,为了得到更高精度的深度信息与光流信息,本文提出了一种新的双目深度与光流联合估计方法。本文建立统一的网络框架,使用无监督学习方式,利用注意力机制方法进行深度与光流的联合任务估计,得到精度更高的估计结果。主要工作为:首先,提出了一个基于任务内注意力机制的共享特征网络。采用轻量化的编码器-解码器主干网络进行联合任务估计,设计跳跃连接拼接同尺度下的编码器特征和解码器特征,利用多尺度模块输出多个维度的估计结果以训练损失函数,提出任务内注意力机制提取任务内特征,初步提升了估计的精度;在此基础上,提出了一个基于任务间注意力机制的联合优化网络。共享特征网络利用任务内注意力机制虽然从全局特征中学习了特定任务的特征,但是没有进行任务特征的交互,而联合优化网络可以利用任务间注意力机制融合任务内特征的多模态信息并生成任务间特征,在共享特征网络结果的基础上进一步提升联合估计的精度。本文采用KITTI数据集的道路双目视频数据训练网络,并通过一系列自比实验,对比实验和可视化结果进行实验分析,证明了所提出方法的有效性。低纹理或重复纹理区域的细节估计结果得以改善,联合估计的精度得以提升。
王欣娟[7]（2021）在《基于用户评论语义信息的推荐算法研究》文中研究指明随着第五代移动通信系统5G技术的快速发展,全球已经进入大数据时代,用户已经不能有效利用海量互联网数据信息,“信息过载”问题日渐严重,推荐系统的出现一定程度上缓解了信息过载问题。推荐系统有效利用用户各种行为信息为用户建模,个性化地过滤无效信息。评分预测一直都是推荐系统领域研究的核心问题,其通过用户已有历史评分预测用户未知评分。虽然基于矩阵分解的协同过滤方法简单有效,但是经常受限于新物品新用户进入系统产生的冷启动问题。因此,引入用户评论文本与评分矩阵一起建模已经成为提升推荐系统性能的重要方法。物品的评论由用户生成,其中包含着用户评分高低原因及对物品的建议,而评分和评论两者属于互补资源,联合训练能构建更加贴合用户偏好需求的用户模型,进行更加准确的个性化推荐。与此同时,深度神经网络凭借其强大的端到端特征抽取能力,克服了传统词袋模型忽视上下文语义关系的缺陷,从而更好地刻画用户偏好与物品特征,也为基于评论的物品推荐提供了新的研究方向。时至今日,面向评论文本的深度推荐系统已取得了诸多进展,并在很大程度上缓解了基于矩阵分解的协同过滤相关模型的不足,其中包括CDL、DeepCoNN、Trans Net、D-Attn、NARRE、Tar MF、CARP、CAML等深度模型基于自然语言处理相关技术对评论文本进行了充分的特征提取,更好地为用户建模,并最终取得了良好的推荐效果。然而,基于评论推荐系统研究还存在以下问题:（1）仅仅从推荐任务中难以推断出特定领域的情感词的深层次语义,并且没有关注用户的偏好及物品的属性的关键词;情感分析与推荐任务之间的关系并不清晰,且两个任务之间信息的共享方式也存在问题。（2）DeepCoNN在预测用户对目标物品的评分时,将目标评论直接应用于该物品。由于无法事先知道用户对该物品的评论,因此测试数据的构建是不合理的;大多数现有模型均未考虑用户和物品在不同方面的关注重点。针对上述问题,本文做出如下研究:首先,本文提出了“融合多任务学习与注意力机制的推荐模型”,引入情感分析辅助任务帮助推荐主任务,理清楚了两个任务的联系与区别。共享层通过局部注意力机制,从情感分析和推荐任务中学习可共享的用户偏好及物品属性表示,使得两类任务相辅相成共同发挥作用。私有层通过注意力池化可视化了两个任务对不同类型短语的关注侧重点不同,搞清楚了推荐任务与情感分析任务之间的区别。然后,本文提出了“基于门控卷积和方面级别注意力机制的评分预测模型”,该模型将用户-物品画像的建模划分为两个网络:目标网络和主网络。目标网络中的门控卷积单元使得目标评论特征的情感表达更加充分,主网络中的基于方面的注意力机制对用户感兴趣的具体方面也进行了监督,同时通过Trans网络使得主网络学习的评论表示与目标评论无限趋近,最终通过主网络进行预测评分。本文在Amazon不同领域的五个数据集及Yelp餐馆数据集上对模型有效性进行实验,结果显示模型在整体上超过了现有方法,验证了本文提出的两大基于评论的深度模型可以提高评分预测的准确性,继而提升推荐性能。
肖小娇[8]（2021）在《基于无造影剂MRI图像的肝癌智能诊断方法研究》文中研究说明肝癌是全球最常见且死亡率高的癌症之一。肝癌的微小肿瘤很难被及时发现是造成死亡率高的最主要原因。目前,磁共振成像（Magnetic Resonance Imaging,MRI）是临床主要的肝癌诊断手段之一,它通过注射造影剂可以明显提高肿瘤诊断的敏感性和特异性。然而,注射造影剂不可避免地存在风险高、毒性大和副作用大等问题。近年来,无造影剂MRI以其扫描时间短、低风险、无有毒金属危害等优势,成为研究的新热点。但在研究中,采用无造影剂扫描会使MRI图像的对比度较低、肿瘤区域边缘模糊,为肝肿瘤的准确诊断过程增加了许多难点。针对这一瓶颈问题,拟通过计算机对无造影剂MRI图像进行肝癌智能诊断,不仅能成为临床医师的辅助工具,也是提高患者生存率以及治愈率的重要方法。本文对基于无造影剂MRI图像的肝癌智能诊断进行了一系列研究。通过对无造影剂MRI图像的分析,借助人工智能技术对肝肿瘤的2D分割方法进行研究;在充分研究多模态无造影剂MRI影像间的互补信息的基础上,探索构建肝肿瘤的3D分割和多指标量化的多任务相关网络;挖掘多模态无造影剂MRI图像间的依赖信息,同时构建小样本数据的增强体系,实现肝部无造影剂MRI图像中肿瘤的自动分类;进一步研究分割和检测任务间的关联关系,构建肝肿瘤分割和检测的联合对抗学习网络。主要研究贡献如下:（1）针对无造影剂MRI图像中肝肿瘤的边缘模糊、与周围正常组织的对比度低、差异性较大和复杂度较高等特点,本文提出一种放射组学特征指导的DUN-GAN（Radiomics-guided DUN-GAN）网络用于肝肿瘤区域的2D分割。本部分的研究内容包括3个方面:i)密度嵌套UNet的分割器提取到肝肿瘤的语义特征和全局指导特征,并利用特征相关性对特征进行合理且高效的融合。ii)鉴别器中引入三相造影剂增强MRI图像（动脉期,门静脉期和延迟期）结合的放射组学特征作为先验知识,以学习到分割器和鉴别器间的映射关系。iii)在放射组学特征对抗思想的指导下,网络获得了准确性较高的无造影剂MRI图像中肝肿瘤的2D分割。本文提出的放射组学指导的先验知识以及多策略融合方式可以提取到无造影剂图像中关键的隐含的造影剂放射组学特征,从而实现低对比度图像中较准确的肝肿瘤分割。（2）针对无造影剂MRI序列图像中肝肿瘤空间解剖结构复杂,多模态无造影剂图像（T1FS+T2FS）间肿瘤表征差异较大,以及同时完成多任务（分割+量化）的复杂性较高等问题,本文提出一种双流相关3D（Two-stream associated 3DNet,TsA-3DNet）异构学习网络,利用多模态的无造影剂MRI来同时进行肝肿瘤的3D分割和多指标量化。本文研究内容主要包括两个方面:i)该网络充分考虑多模态数据的关联性和差异性,提出的多视角融合机制（Multi-view fused,Mv F）利用比例门优化算法提取多模态的互补信息,以进一步融合多通道（T1FS+T2FS）和不同尺度的特征。ii)该网络充分结合多任务间的关联和约束,提出的双向指导机制（Bi-directional guided,Bd G）关联多任务间的互补信息,以进一步实现多任务（分割+量化）的同时优化。本文提出的异构学习网络能够建立多视角特征的融合和多任务双向指导机制,从而较准确地同时实现多模态图像中肝肿瘤的3D分割和全面的多指标量化。（3）针对无造影剂MRI图像样本较少、自动识别复杂性较高、肿瘤特异性较低的问题,本文提出了一种稳定的细节指导的生成对抗（Detail-guided Generative Adversarial Network,Dg-GAN）网络,通过增强数据来改善肝肿瘤分类性能。Dg-GAN中的多尺度感知生成器引入残差块感知上下文信息,加强细节特征提取以合成更加逼真的造影增强图像。本文在合成数据增强的数据集上进行卷积和全局平均池化,并设计细节指导的VGG模型以验证数据增强对肝癌分类性能的影响。生成器的细节特征图被作为指导知识引入分类器,以促进不同类型肝癌的特异性特征提取和改善肿瘤分类性能。本文提出的数据增强方式有效地克服了数据样本少的难题,展示了较好的自动分类性能。（4）针对多模态无造影剂MRI图像间特征差异较大、分割和检测任务间复杂性较高的问题,本文提出联合对抗学习（United adversarial learning framework,UAL）网络,整合多模态无造影剂MRI的互补信息,以联合约束的方式实现肝肿瘤的同时分割和检测。首先,编码器通过引入边缘差异特征图的先验知识,增强三个模态的关键特征提取,同时利用门机制实现特征融合和自适应选择。坐标共享机制使得分割和检测进行联合以实现统一学习,同时将多相放射组学特征与语义特征结合以实现分割和检测的同时对抗学习。本文提出的联合对抗学习网络较充分的提高肝肿瘤分割和检测的性能。综上所述,本文围绕无造影剂MRI图像的肝癌智能诊断的四个问题,从不同的目的进行了相关任务的研究和网络的构建,这项工作具有一定的计算机理论意义和辅助诊断的价值。
谭言信[9]（2021）在《面向多领域的任务驱动型对话系统的研究与实现》文中指出在人工智能迅速发展的背景下,基于深度学习的任务型对话系统由于其广阔的应用场景以及丰富的技术挑战一直受到广泛的关注。越来越复杂的使用场景也催生了多领域任务型对话系统的出现,例如智能助手在帮助预定车票时,也需要关注目的地的住宿情况。利用单领域叠加的方式会存在槽位共享困难、系统调用混乱等问题,难以适用于复杂的多领域场景。在领域较多时,当前研究存在着对话状态追踪准确率不高的问题,应对愈发庞大的本体数量、以及复杂的槽位设置有着明显的局限性。同时多领域对话所带来的对话动作数量激增、对话历史长距离依赖等需求也是目前研究所缺乏的。针对上述多领域对话系统面临的问题,本论文研究并实现了一个面向多领域的任务驱动型对话系统。论文主要工作包括以下三点:（1）提出了一种基于联合学习的自注意力对话状态生成模型。采用生成任务替代了序列标注任务,利用交叉注意力以及将槽位判别任务与槽值生成任务进行联合学习的方式,解决了槽位不准确以及历史信息丢失问题。模型在MultiWOZ数据集上分别达到了 54.18%的联合准确率以及97.83%的槽位准确率,超越了当前的相关生成型研究。（2）提出了一种基于轮次自注意力机制的历史信息编码器的对话生成模型。利用基于对话轮次的自注意力结构,避免了关注到不合理的后续轮次信息。采用基于图状结构的对话动作表示方法,增强了多领域间信息的交互效率。在MultiWOZ数据集上,本论文的模型对话成功率达到了 72.3%。（3）本论文基于上述改进实现了一个完整的多领域对话系统展示平台。设计并完成前端界面、数据库管理、后台控制、会话管理等子服务,实现了交互、账户管理、任务管理等功能,相比于单领域对话,该平台更具备实际应用价值。
万超群[10]（2021）在《行人重识别不变性特征学习》文中研究表明行人重识别是指在有限时空范围的监控场景下,跨越监控范围内不同的监控摄像头,对其中拍摄截取的行人图像进行行人身份识别与检索的任务。行人重识别任务的关键在于如何克服行人图像内容丰富的变化,提取具有不变性的、能够描述行人身份信息的特征表达。这些变化主要包含三个方面。一是由于行人行走动作和监控摄像头拍摄视角引起的,称为人体的变化。二是由于监控范围内的环境和监控摄像头的偏置引起的,称为风格的变化。三是由于监控摄像头非正常工作或者人为恶意攻击导致的,称为噪声的变化。目前已有的不变性特征学习方法主要从整张行人图像出发,容易产生以下三种问题。（1）全局不变性特征学习容易忽略图像中人体的变化,导致细节信息的丢失。（2）全局不变性特征学习难以应对未知的风格的变化,限制模型应用于未知监控场景的能力。（3）全局不变性特征学习容易受到噪声,特别是特殊设计的对抗噪声的影响,导致识别错误。因此,如何应对行人图像中复杂多样的变化,是行人重识别亟待解决的问题。因此,本论文针对性地分析三种变化在行人图像中的特点,并分别设计新的不变性特征学习方法:针对人体变化的不变性特征研究——行人局部学习,针对风格变化的不变性特征研究——网络解耦学习,针对噪声变化的不变性特征研究——流形空间学习。对于行人局部学习,虽然目前已有工作进行了针对性研究,但是现有的方法难以获取精确的行人身体部位,并对身体部位的特征充分表达。这导致了行人身体部位无法对齐,从而产生错误的比对,造成相同行人的特征具有较大的类内差异。同时不充分的特征表达又会造成不同行人的特征具有较小的类间距离。两点原因极大限制了现有局部学习方法的有效性。故而,本论文强调了行人身体局部区域定位和局部区域描述的重要性,并设计了带集中性约束和区分性约束的注意力机制模块,提出了基于统计、位置、关联的特征描述子,从而对行人身体局部实现更加精确的定位和更加细致的描述。该人体局部学习方法极大提高了行人重识别算法对于人体变化的稳定性,能够提取保有不变性的行人局部细节特征。对于风格的变化,绝大多数目前的工作都是从整张行人图像出发挖掘目标监控场景下未知的图像风格。这些方法借助已有行人图像数据和模型,利用这些先验知识进行迁移学习。然而由于目标场景风格的特殊性,已有的先验知识无法直接应用于未知风格的监控场景之中,限制了现有算法的迁移效果。本论文提出区分行人身份的信息既存在于行人主体部分也存在于图像风格部分。而行人主体部分是场景间相似的,因此行人主体的特征提取是可以在不同监控场景间共享的;而图像风格部分是场景间特异的,因此图像风格的特征提取需要基于目标监控场景重新挖掘。为了实现场景间共享特征和特异特征的解耦,本论文基于网络结构层面提出网络解耦学习,利用不同的模块实现对行人主体和图像风格的特征提取。该方法充分利用了已有的先验知识,并尽可能挖掘目标场景特有的内容,可以在任意目标监控场景下达到更高的行人重识别效果,并且在不利用数据标注的条件下,识别准确率非常逼近有标注的识别准确率。对于噪声的变化,目前鲜有工作针对这项需求进行研究,限制了行人重识别技术在实际生活中的应用扩展。因此,本论文基于“噪声导致样本脱离数据分布流形”的假设,提出流形空间学习。所谓流形空间,即真实世界的高维数据实际上分布在一个低维的流形上。换句话说,流形上的数据都是无噪数据,而噪声使得数据脱离流形,脱离了模型训练学习的数据分布范围。因此,本论文提出估计真实数据的流形空间,并定义流形投影操作将带噪数据重新投影回流形空间之上。这种方式构建了噪声数据和真实无噪数据之间的联系,从而能够减小因噪声带来的分布的改变,提高模型进行特征提取时对于噪声的稳定性,获取具有不变性的特征。本论文的主要工作和创新之处总结如下:·针对行人图像人体的变化,本论文提出了带集中性约束和区分性约束的注意力机制模块和丰富的特征描述子,证明了人体局部学习中局部区域精确的定位和细致的描述的重要性。该算法改善了传统局部定位响应分散、无意义、以及特征描述简单等问题,极大提升了行人重识别算法的效果;·针对行人图像风格的变化,本论文首次提出网络解耦的方法分别学习行人主体特征和图像背景特征。该算法充分利用了行人图像的时空关系,在无数据标注的条件下,行人重识别算法效果非常接近有数据标注的结果。·针对行人图像噪声的变化,本论文首次提出流形学习结构层和流形网络,通过建模特征的流形空间,并引入流形投影来消除噪声干扰,极大提高了行人重识别算法模型对于噪声的稳定性。
二、联合训练突出信息共享（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、联合训练突出信息共享（论文提纲范文）
（1）小儿脑瘫中医诊疗知识图谱构建及其隐性知识显性化研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 英文缩略词 |
| 综述一 中西医学对脑性瘫痪的认识及诊疗研究现状 |
| 1 现代医学对脑性瘫痪的认识 |
| 1.1 脑性瘫痪的现代医学概念和临床分型 |
| 1.2 流行病学研究 |
| 1.3 脑瘫的发病原因和发病机制 |
| 1.4 脑瘫相关脑损伤及其神经影像学特点 |
| 1.5 脑瘫的常见并发症 |
| 1.6 脑瘫的康复治疗 |
| 2 中医学对脑瘫的认识和治疗 |
| 2.1 古代中医对脑性瘫痪病名和病因病机的研究 |
| 2.2 以针灸为主的小儿脑瘫中医药治疗 |
| 综述二 知识图谱与中医隐性知识的显性化 |
| 1 知识图谱构建——知识体系形成及可视化 |
| 2 知识图谱在中医针灸领域的应用 |
| 3 隐性知识及其显性化 |
| 3.1 隐性知识的内涵与特征 |
| 3.2 隐性知识与显性知识间的转化 |
| 3.3 中医隐性知识 |
| 4 小儿脑瘫中医诊疗知识图谱的研究 |
| 前言 |
| 第一章 小儿脑瘫中医诊疗知识图谱构建研究 |
| 1 知识图谱的概念及其构建方法 |
| 2 资料来源 |
| 2.1 研究对象和纳入排除标准 |
| 2.2 研究数据来源及类别 |
| 2.3 采集内容 |
| 2.4 伦理学审查 |
| 3 数据预处理 |
| 3.1 数据标注-实体识别 |
| 3.2 数据预处理及规范化 |
| 4 基于本体的脑瘫中西医结合诊疗知识库构建 |
| 4.1 知识来源 |
| 4.2 本体知识库构建方法 |
| 4.3 脑性瘫痪疾病诊疗本体构建 |
| 4.4 诊疗规则构建 |
| 5 脑瘫诊疗图数据库的构建存储和可视化展示 |
| 5.1 数据批量导入 |
| 5.2 知识库的查询检索 |
| 5.3 知识库内容补全、更新 |
| 6 讨论 |
| 6.1 真实世界研究数据存在的问题 |
| 6.2 诊疗知识库构建中的关键问题 |
| 6.3 利用本体构建知识库的原因 |
| 6.4 知识的层次和知识库的质量 |
| 第二章 小儿脑瘫治疗方案及其疗效相关知识的图谱完善 |
| 1 六年间小儿脑瘫住院患者的诊疗情况分析 |
| 1.1 材料与方法 |
| 1.2 结果 |
| 2 三种脑瘫康复治疗方案的疗效对比分析 |
| 2.1 研究对象 |
| 2.2 治疗方案 |
| 2.3 观察指标 |
| 2.4 统计分析 |
| 2.5 结果 |
| 3 讨论 |
| 3.1 基于分析结果的小儿脑瘫治疗相关知识图谱完善 |
| 3.2 有效治疗方案联合单项疗法未增效的原因分析 |
| 3.3 综合疗法的适用人群特征 |
| 3.4 疗效观察指标的选择 |
| 3.5 共患疾病及治疗思路 |
| 3.6 脑瘫治疗模式中的问题与解决策略 |
| 第三章 小儿脑瘫针刺处方及其适应人群发现与知识图谱完善 |
| 1 7周岁以下脑瘫患儿针刺治疗处方规律的数据挖掘分析 |
| 1.1 研究对象 |
| 1.2 数据挖掘方法——社团划分与复杂网络分析 |
| 1.3 数据规范化 |
| 1.4 统计软件与数据挖掘工具 |
| 2 结果 |
| 2.1 7周岁以下脑瘫患儿针刺核心处方挖掘 |
| 2.2 脑瘫针刺选穴规律和适应症人群发现 |
| 2.3 与既往文献中脑瘫选穴规律的比较 |
| 2.4 与知识图谱的查询结果对比 |
| 3 讨论 |
| 3.1 联合数据挖掘方法在脑瘫诊疗规律发现中的适用性 |
| 3.2 脑瘫综合治疗方案中关键治法的优化策略研究 |
| 3.3 小儿脑瘫辨治相关隐性知识显性化研究中的思考 |
| 结论 |
| 创新点 |
| 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 附件 |
（2）高校通识教育中的设计课程研究：概念、内容与课题方法（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 绪论 从设计为人到设计育人——通识设计课程研究 |
| 一、背景:设计育人 |
| (一)在人人设计的时代：数字时代的技术、设计与人 |
| (二)学科之显隐:包豪斯百周年纪念中缺席的设计通识 |
| (三)设计亦育人:当代高校美育发展视野下的通识设计教育 |
| 二、概念:何谓设计通识 |
| (一)“高校”：高等教育层面 |
| (二)“通识”：面向通识教育和“通识”中西比较差异 |
| (三)设计——以设计学科为内容载体的课程 |
| (四)设计通识与设计美育 |
| (五)通识与“专业通识” |
| 三、综述:研究史与问题 |
| (一)文献综述：从知识、理论、思维到课程实践 |
| (二)总体特征与突出问题 |
| 四、研究内容与方法 |
| (一)目的:从“概念”到“形式” |
| (二)内容框架:“为什么—有什么—是什么—教什么—怎么教” |
| (三)方法：从解决问题到基于“概念设计”的研究 |
| 五、研究意义与目标 |
| (一)意义:育人与学科的不可分性 |
| (二)目标:学术材料、理论建构、研究方法 |
| 第一章 为什么:历史语境与当代使命 |
| 第一节 设计成为通识——学科发展中的历史渊源 |
| 一、设计通识与 19 世纪欧美大学艺术学科初创—诺顿美术课程中的设计教育 |
| 二、设计通识与 20 世纪初期专业设计教育变革—早期包豪斯教育中的通识渊源及美国新包豪斯的通识设计思想 |
| 三、设计通识作为战后设计研究的目的与结果—欧洲“设计思维”研究与“设计”成为英国中小学国家课程 |
| 四、设计通识成为当代设计学科拓展动力——当代斯坦福设计思维引发的设计学科变革 |
| 五、我国传统设计教育史“专业”与“通识”关系——传统造物中工匠职业教育与文人艺术的交互 |
| 第二节 设计作为美育——新时代高校美育的形式 |
| 一、我国传统美育思想与设计美育的表现形式 |
| 二、近现代我国高校“美育”理解变迁与设计美育特点 |
| 三、当代我国高校“美育”发展历史机遇与困局并存 |
| 四、设计教育成为当代高校美育载体的优点 |
| 五、“设计美育”的当代中外美学理论基础 |
| 第二章 有什么:发展现状与比较思考 |
| 第一节 贯通或是悬置?——中小学设计课程标准比较 |
| 一、设计引领艺术、技术:英国国家课程中的设计课程 |
| 二、设计作为视觉艺术素养:美国国家艺术标准 |
| 三、我国中小学设计教育的“标准悬置”与“裂隙修复” |
| 第二节 从基础到前瞻——高校通识设计课程比较 |
| 一、美国大学通识教育演化与课程制度形成 |
| 二、美国大学通识课程中的设计课程 |
| 三、美国通识设计课程的主要类型与学科内容-功能特征 |
| 四、高校通识设计课程：从“专业科普”迈向“育人联结与学科前瞻” |
| 第三章 是什么:研究核心——概念、内容、课题方法 |
| 第一节 课程概念思考 |
| 一、概念回溯：“设计通识”与“设计美育”内外两种视野 |
| 二、内涵思考：比较视野下的课程内涵特征解析 |
| 第二节 课程内容辨析 |
| 一、学科内外：今天“设计”概念何为？ |
| 二、育人对接：从核心素养视野到设计通识的核心素养 |
| 三、设计实践/实验：“通过设计实践进行的教育” |
| 第三节 课题设计价值 |
| 一、通识设计课程教学设计的特殊性 |
| 二、过去教训：教学自身缺乏“设计” |
| 三、课题设计:使教学与课程成为一种“艺术”的核心 |
| 第四章 教什么:课程内容建构理论 |
| 第一节 课程学视野:课程内容建构的学理基础 |
| 一、当代课程理论中的课程内容 |
| 二、通识设计课程内容建构的理论框架 |
| 第二节 通识与美育视野:通识设计课程内容的三层次理论 |
| 一、通识与美育的目标指向与层次性 |
| 二、通识设计课程内容三层次理论 |
| 第三节 学科视野:课程内容的知识与能力形态 |
| 一、通识设计课程内容的知识形态:学科“破界”与“跨界” |
| 二、通识设计课程内容的核心能力:设计思维中的“形式思维” |
| 第四节 设计通识的核心能力——设计形式生成思维的培养 |
| 一、从设计形式4 属性看设计形式生成思维的基本类型 |
| 二、基于知觉-媒介-抽象的设计形式生成思维 |
| 三、基于意义-符号-叙事思维的设计形式生成 |
| 四、基于技术-结构-系统思维的设计形式生成 |
| 五、基于观念-重构-生成思维的设计形式生成 |
| 第五章 怎么教:课题设计方法研究 |
| 第一节 课题的本质与设计方法研究——作为教学设计的“形式生成” |
| 一、课题的本质及其设计方法：作为教学设计的“形式生成” |
| 二、设计通识典型课题分析 |
| 三、通识设计课题设计方法：差异与应对策略 |
| 第二节 微观：设计形式生成思维 4 种类型的课题设计研究 |
| 一、基于“知觉-媒介-抽象”思维的通识设计课题研究 |
| 二、基于“意义-符号-叙事”思维的通识设计课题研究 |
| 三、基于“技术-结构-系统”思维的通识设计课题研究 |
| 四、基于“观念-重构-生成”思维的通识设计课题 |
| 第三节 中观:通识设计内容3 层次的课题设计研究 |
| 一、“设计语言”的课题设计方法研究 |
| 二、“设计返身”的课题设计研究 |
| 三、“设计自由”的课题设计——在设计中自由 |
| 第四节 课题设计方法总结与作为教学设计形式的展望 |
| 一、微观和中观层面的课题设计方法总结 |
| 二、宏观、抽象层面的课题设计方法展望 |
| 结论 “造物亦育人”——面向未来的高校通识设计课程 |
| 一、异化与回应:设计作为一种通识性人文实践 |
| 二、通识设计课程内容的再思考 ——设计学科核心素养与设计思维中的形式思维 |
| 三、课题设计作为育人体验设计和课程推广关键 |
| 附录一：本文专业案例分析与通识课题设计目录 |
| 附录二 西南交通大学通识课《设计美育Ⅰ:从艺术到设计》课程教学(2020-2021 秋季学期) |
| 参考文献 |
| 作者简介 |
| 致谢 |
（3）基于深度学习的视觉运动估计与理解（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究问题与挑战 |
| 1.3 研究内容与主要贡献 |
| 1.4 本文组织结构 |
| 2 相关文献综述 |
| 2.1 低层次视觉运动研究现状 |
| 2.1.1 任务数据与可视化方法 |
| 2.1.2 非深度学习方法的启示 |
| 2.1.3 监督深度学习方法研究 |
| 2.1.4 非监督的深度学习方法研究 |
| 2.2 高层视觉运动研究现状 |
| 2.2.1 多目标跟踪研究现状 |
| 2.2.2 行为识别与检测研究现状 |
| 2.3 本章小结 |
| 3 融合立体感知的场景点运动估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 自监督光流估计与深度估计 |
| 3.3.1 自监督信号构建 |
| 3.3.2 基础网络架构 |
| 3.3.3 自监督优化目标 |
| 3.4 融合三维感知的多任务联合运动估计 |
| 3.4.1 显式相机自运动估计 |
| 3.4.2 场景运动区域分割 |
| 3.4.3 损失函数与学习流程 |
| 3.5 实验结果 |
| 3.5.1 实验设置 |
| 3.5.2 评测指标 |
| 3.5.3 子任务实验结果与分析 |
| 3.6 本章小结 |
| 4 类比学习的自监督光流估计 |
| 4.1 引言 |
| 4.2 高度共享的循环光流网络 |
| 4.2.1 高性能光流网络设计思想 |
| 4.2.2 共享循环结构设计 |
| 4.2.3 多帧模型拓展 |
| 4.2.4 多帧模型的自监督训练 |
| 4.3 复杂条件的光流类比学习 |
| 4.3.1 自监督类比学习框架 |
| 4.3.2 类比任务的变换形式 |
| 4.3.3 总体目标函数 |
| 4.4 实验结果 |
| 4.4.1 数据集介绍 |
| 4.4.2 实验设置 |
| 4.4.3 评测指标 |
| 4.4.4 与主流方法对比 |
| 4.4.5 消融实验 |
| 4.4.6 跨数据集泛化 |
| 4.5 本章小结 |
| 5 多任务联合学习的多目标跟踪 |
| 5.1 引言 |
| 5.2 基于无锚点检测的多目标跟踪 |
| 5.2.1 深度多目标跟踪框架 |
| 5.2.2 基于无锚点模型的共享思路 |
| 5.3 无锚点的链式多目标跟踪 |
| 5.3.1 无锚点跟踪网络设计 |
| 5.3.2 多任务损失函数 |
| 5.3.3 使用目标检测数据集训练 |
| 5.3.4 链式记忆推理 |
| 5.3.5 贪婪跟踪算法实现 |
| 5.4 实验结果 |
| 5.4.1 实验设置 |
| 5.4.2 评测指标 |
| 5.4.3 与主流方法对比 |
| 5.4.4 消融实验 |
| 5.5 本章小结 |
| 6 工业装配过程中的时空运动检测 |
| 6.1 引言 |
| 6.2 任务描述 |
| 6.2.1 问题说明 |
| 6.2.2 数据采集说明 |
| 6.3 轻量级运动跟踪分析 |
| 6.3.1 轻量级无锚点跟踪网络 |
| 6.3.2 跨帧检测的多目标跟踪 |
| 6.3.3 行为检测与重建 |
| 6.4 实验结果 |
| 6.4.1 数据说明 |
| 6.4.2 实验设置 |
| 6.4.3 检测模块测试 |
| 6.4.4 跟踪模块测试 |
| 6.4.5 行为检测模块测试 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士学位期间的主要学术成果 |
（4）基于深度学习的行人再识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 行人再识别 |
| 1.2.1 行人再识别的研究现状 |
| 1.2.2 行人再识别的主要挑战 |
| 1.2.3 行人再识别的数据集 |
| 1.2.4 行人再识别的评价指标 |
| 1.3 研究内容 |
| 1.4 章节安排 |
| 第二章 跨姿态行人再识别 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.2.1 跨姿态行人再识别 |
| 2.2.2 高阶统计 |
| 2.2.3 注意力机制 |
| 2.3 姿态非对齐问题 |
| 2.4 基于层次注意力的高阶行人再识别框架 |
| 2.4.1 整体网络框架 |
| 2.4.2 全局层次高阶池化 |
| 2.4.3 局部层次高阶池化 |
| 2.4.4 总体损失函数 |
| 2.4.5 梯度优化 |
| 2.4.6 注意力机制 |
| 2.4.7 实验结果与分析 |
| 2.5 基于分组注意力的高阶行人再识别框架 |
| 2.5.1 整体网络框架 |
| 2.5.2 分组乱序高阶池化 |
| 2.5.3 前景注意力高阶池化 |
| 2.5.4 总体损失函数 |
| 2.5.5 梯度优化 |
| 2.5.6 注意力机制 |
| 2.5.7 实验结果与分析 |
| 2.6 本章小结 |
| 第三章 跨模态行人再识别 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 跨模态行人再识别 |
| 3.2.2 跨模态检索 |
| 3.3 基于困难模态对齐网络的跨模态行人再识别框架 |
| 3.3.1 整体网络框架 |
| 3.3.2 深度困难模态对齐 |
| 3.3.3 全局局部模态对齐 |
| 3.3.4 总体损失函数 |
| 3.3.5 实验结果与分析 |
| 3.4 基于多区域匹配网络的跨模态行人再识别框架 |
| 3.4.1 整体网络框架 |
| 3.4.2 多区域模态对齐 |
| 3.4.3 跨区域关系蒸馏 |
| 3.4.4 区域优先注意力 |
| 3.4.5 总体损失函数 |
| 3.4.6 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 非均衡样本的行人再识别 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.2.1 非均衡行人再识别 |
| 4.2.2 非均衡学习 |
| 4.3 长尾分布问题 |
| 4.4 基于多元变化特征生成的非均衡行人再识别框架 |
| 4.4.1 整体网络框架 |
| 4.4.2 独立成分分解 |
| 4.4.3 可分解特征生成 |
| 4.4.4 对抗特征生成 |
| 4.4.5 总体损失函数 |
| 4.4.6 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 附录A 定理证明 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）基于多任务神经网络的行人属性识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及论文结构 |
| 第二章 行人属性识别相关理论 |
| 2.1 行人属性识别基本理论 |
| 2.1.1 行人属性识别任务 |
| 2.1.2 通用数据集 |
| 2.1.3 评估标准 |
| 2.2 多任务学习 |
| 2.2.1 多任务学习方法 |
| 2.2.2 多任务学习原理 |
| 2.3 行人属性识别特征提取方法 |
| 2.3.1 基于传统手工特征 |
| 2.3.2 基于深度卷积特征 |
| 2.4 本章小结 |
| 第三章 基于深度残差网络的行人属性识别 |
| 3.1 网络模型概述 |
| 3.2 残差网络结构 |
| 3.3 基于残差网络的行人属性识别方法 |
| 3.3.1 单属性识别 |
| 3.3.2 多属性识别 |
| 3.4 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于注意力机制和深度残差网络的行人属性识别 |
| 4.1 算法框架概述 |
| 4.2 注意力分支 |
| 4.2.1 通道注意力模块 |
| 4.2.2 空间注意力模块 |
| 4.3 多任务神经网络的构建 |
| 4.3.1 结合注意力机制的残差网络结构 |
| 4.3.2 多分支分类网络结构 |
| 4.3.3 带动态权重的损失函数 |
| 4.4 实验设计和结果分析 |
| 4.4.1 网络训练与结果 |
| 4.4.2 模型因素分析 |
| 4.4.3 实际图片效果展示 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 研究内容总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（6）基于深度学习的双目深度与光流联合估计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景、难点及意义 |
| 1.2 相关内容研究现状 |
| 1.2.1 传统双目深度和光流估计方法 |
| 1.2.2 基于深度学习的深度和光流估计方法 |
| 1.3 本文工作 |
| 1.4 章节内容 |
| 2 本文相关研究预备知识 |
| 2.1 计算机视觉及深度学习的历史发展 |
| 2.2 注意力机制 |
| 2.3 多任务学习 |
| 2.4 常用的深度与光流估计模型 |
| 2.4.1 Monodepth网络模型 |
| 2.4.2 PWC-Net网络模型 |
| 2.5 卷积网络计算单元及深度学习框架 |
| 3 基于任务内注意力机制的共享特征网络 |
| 3.1 共享特征神经网络结构 |
| 3.2 多尺度模块及跳跃连接模块 |
| 3.3 任务内注意力机制模块 |
| 4 基于任务间注意力机制的联合优化网络 |
| 4.1 联合优化神经网络结构 |
| 4.2 任务间注意力机制模块 |
| 4.3 无监督损失函数 |
| 5 实验及结果分析 |
| 5.1 数据集 |
| 5.1.1 KITTI数据集 |
| 5.1.2 数据集对比 |
| 5.2 实验环境 |
| 5.2.1 训练集测试集划分 |
| 5.2.2 图像预处理 |
| 5.2.3 网络训练细节信息 |
| 5.3 评价标准 |
| 5.3.1 深度估计性能评价评价指标 |
| 5.3.2 光流估计性能评价指标 |
| 5.4 基于任务内注意力机制的共享特征网络实验结果 |
| 5.4.1 网络结构自比实验 |
| 5.4.2 模块消融实验 |
| 5.4.3 与其他估计方法结果对比 |
| 5.5 基于任务间注意力机制的联合优化网络实验结果 |
| 5.5.1 模块消融实验 |
| 5.5.2 与其他估计方法结果对比 |
| 5.6 基于PWC-Net网络的注意力机制实验结果 |
| 5.6.1 基于PWC-Net的双目深度估计实验结果 |
| 5.6.2 基于PWC-Net的光流估计实验结果 |
| 结论 |
| 参考文献 |
| 附表A 网络结构附表 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）基于用户评论语义信息的推荐算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于评分矩阵的推荐算法 |
| 1.2.2 基于评论文本的推荐算法 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第2章 推荐系统与相关技术 |
| 2.1 评分预测推荐算法概述 |
| 2.2 基于评分矩阵的推荐 |
| 2.3 基于评论文本的推荐 |
| 2.3.1 任务的定义 |
| 2.3.2 评论建模的基本结构 |
| 2.3.3 评价指标 |
| 2.4 词嵌入 |
| 2.4.1 CBOW模型 |
| 2.4.2 skip-gram模型 |
| 2.4.3 负采样 |
| 2.4.4 层次softmax |
| 2.5 CNN文本处理器 |
| 2.6 注意力机制 |
| 2.7 本章小结 |
| 第3章 融合多任务学习与注意力机制的推荐模型 |
| 3.1 问题描述 |
| 3.1.1 多任务学习 |
| 3.1.2 多任务中信息共享 |
| 3.1.3 局部注意力机制 |
| 3.1.4 本章贡献 |
| 3.2 模型描述 |
| 3.2.1 词嵌入层 |
| 3.2.2 局部注意力层 |
| 3.2.3 卷积层 |
| 3.2.4 池化层 |
| 3.2.5 交互层 |
| 3.3 实验 |
| 3.3.1 实验数据集 |
| 3.3.2 实验环境 |
| 3.3.3 对比模型 |
| 3.3.4 实验设置 |
| 3.4 实验结果与分析 |
| 3.4.1 模型总体表现 |
| 3.4.2 推荐任务与情感分析任务的关系 |
| 3.4.3 局部注意力可视化实验 |
| 3.4.4 冷启动实验 |
| 3.5 本章小结 |
| 第4章 基于门控卷积和方面级别注意力机制的评分预测模型 |
| 4.1 问题描述 |
| 4.2 模型描述 |
| 4.2.1 方面级别表征学习 |
| 4.2.2 带门机制的卷积层 |
| 4.2.3 因子分解机 |
| 4.3 GCAAM模型结构 |
| 4.3.1 目标网络 |
| 4.3.2 主网络 |
| 4.3.3 模型训练 |
| 4.4 实验与分析 |
| 4.4.1 模型总体表现 |
| 4.4.2 模型结构影响 |
| 4.4.3 选择Trans层数 |
| 4.4.4 寻找最有用的评论 |
| 4.4.5 方面个数影响 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（8）基于无造影剂MRI图像的肝癌智能诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 肝肿瘤的2D分割 |
| 1.2.2 肝肿瘤的3D分割 |
| 1.2.3 肝脏多模态图像的融合 |
| 1.2.4 小样本图像的肝肿瘤分类 |
| 1.2.5 肝肿瘤的自动检测 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 实验数据及其特点 |
| 1.3.2 研究内容 |
| 1.4章节安排 |
| 第2章 基于Radiomics-guided DUN-GAN的肝肿瘤2D分割方法 |
| 2.1 问题分析及解决思路 |
| 2.1.1 问题分析 |
| 2.1.2 解决思路 |
| 2.2 分割的国内外研究现状 |
| 2.3 放射组学指导的生成对抗网络 |
| 2.3.1 密度U型嵌套分割器 |
| 2.3.2 放射组学特征指导的鉴别器 |
| 2.3.3 自适应像素级混合损失函数 |
| 2.4 实验结果与分析 |
| 2.4.1 实验数据集及平台 |
| 2.4.2 实验评估指标 |
| 2.4.3 Radiomcis-guided DUN-GAN的定性评估结果 |
| 2.4.4 Radiomics-guied DUN-GAN的定量评估-ROC和 PR曲线 |
| 2.4.5 Radiomics-guied DUN-GAN的定量评估-Dice系数 |
| 2.4.6 放射组学特征指导的定性评估 |
| 2.5 讨论 |
| 2.5.1 放射组学特征对分割结果的影响 |
| 2.5.2 不同特征指导下模型的性能对比 |
| 2.5.3 不同损失函数的对比 |
| 2.5.4 与其他分割方法的对比 |
| 2.6 本章小结 |
| 第3章 基于多模态的TsA-3DNet的肿瘤3D分割和多指标量化方法 |
| 3.1 问题分析及解决思路 |
| 3.1.1 问题分析 |
| 3.1.2 解决思路 |
| 3.2 融合和分割的国内外研究现状 |
| 3.3 双流相关3DNet |
| 3.3.1 精炼模块连接的体积分割 |
| 3.3.2 多指标量化 |
| 3.3.3 双流处理通道(TsAC) |
| 3.3.4 TsAC的多功能 |
| 3.3.5 多任务联合损失函数 |
| 3.4 实验结果和分析 |
| 3.4.1 实验数据集及平台 |
| 3.4.2 实验评估指标 |
| 3.4.3 数据的预处理 |
| 3.4.4 TsA-3DNet网络分割性能的定性评估 |
| 3.4.5 TsA-3DNet网络分割性能的定量评估 |
| 3.4.6 TsA-3DNet网络量化性能的定量评估 |
| 3.4.7 TsA-3DNet网络特征图的可视化 |
| 3.5 实验讨论 |
| 3.5.1 多视角融合机制对分割性能的影响 |
| 3.5.2 多视角融合机制对量化性能的影响 |
| 3.5.3 双向指导机制对分割性能的影响 |
| 3.5.4 双向指导机制对量化性能的影响 |
| 3.5.5 与其他分割方法的对比 |
| 3.6 本章小结 |
| 第4章 基于数据增强的Dg-GAN肝肿瘤分类方法 |
| 4.1 问题分析及解决思路 |
| 4.1.1 问题分析 |
| 4.1.2 解决思路 |
| 4.2 合成和分类的国内外研究现状 |
| 4.3 细节指导的生成对抗网络 |
| 4.3.1 多尺度上下文感知的生成器 |
| 4.3.2 基于VGG的鉴别器 |
| 4.3.3 细节指导的分类器 |
| 4.3.4 联合的损失函数 |
| 4.4 实验结果和分析 |
| 4.4.1 实验数据集及平台 |
| 4.4.2 实验评估指标 |
| 4.4.3 数据的预处理 |
| 4.4.4 Dg-GAN网络分类性能的定性分析 |
| 4.4.5 Dg-GAN网络合成性能的定性分析 |
| 4.4.6 Dg-GAN网络合成性能的定量分析 |
| 4.5 实验讨论 |
| 4.5.1 不同扩充方法对分类性能的影响 |
| 4.5.2 不同损失函数对分类性能的影响 |
| 4.5.3 不同鉴别器对分类性能的影响 |
| 4.5.4 与其他分类方法的对比 |
| 4.5.5 与其他合成方法的对比 |
| 4.6 本章小结 |
| 第5章 基于联合对抗学习的肝肿瘤辅助诊断方法 |
| 5.1 问题分析及解决思路 |
| 5.1.1 问题分析 |
| 5.1.2 解决思路 |
| 5.2 分割和检测的国内外研究现状 |
| 5.2.1 肝肿瘤检测的深度学习 |
| 5.2.2 肝肿瘤检测的临床研究 |
| 5.3 联合生成对抗网络 |
| 5.3.1 边缘差异特征金字塔模块 |
| 5.3.2 多模态特征融合和选择 |
| 5.3.3 带填充的坐标共享 |
| 5.3.4 多相放射组学指导的鉴别器 |
| 5.3.5 UAL的约束策略 |
| 5.4 实验结果和分析 |
| 5.4.1 实验数据集及平台 |
| 5.4.2 实验评估指标 |
| 5.4.3 UAL的整体性能 |
| 5.4.4 UAL网络的定量评估 |
| 5.5 实验讨论 |
| 5.5.1 EDFPM对性能的影响 |
| 5.5.2 FSC对性能的影响 |
| 5.5.3 CSWP对性能的影响 |
| 5.5.4 MPRG-D对性能的影响 |
| 5.5.5 多模态数据的定性评估 |
| 5.5.6 不同模态的无造影剂图像对UAL的影响 |
| 5.5.7 不同模态的造影剂增强图像对UAL的影响 |
| 5.5.8 不同模型的参数量对比 |
| 5.6 结论 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（9）面向多领域的任务驱动型对话系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 多领域任务型对话状态追踪 |
| 1.2.1 国内外研究现状 |
| 1.2.2 当前研究存在的问题及挑战 |
| 1.3 多领域任务型对话回复生成 |
| 1.3.1 国内外研究现状 |
| 1.3.2 当前研究存在的问题及挑战 |
| 1.4 研究内容概述 |
| 1.5 论文组织结构 |
| 第二章 相关技术介绍 |
| 2.1 任务型对话系统概述 |
| 2.2 Sequence-to-Sequence模型相关技术 |
| 2.2.1 基于LSTM的Seq2Seq模型 |
| 2.2.2 基于CNN的Seq2Seq模型 |
| 2.2.3 Transformer模型 |
| 2.3 预训练模型相关技术 |
| 2.3.1 word2vec技术 |
| 2.3.2 Bert模型 |
| 2.4 对话系统相关评价标准及数据集 |
| 2.4.1 对话状态追踪评价指标 |
| 2.4.2 对话生成评价指标 |
| 2.4.3 多领域任务型对话数据集 |
| 2.5 本章小节 |
| 第三章 基于联合学习与混合注意力机制的对话状态生成器 |
| 3.1 研究挑战 |
| 3.2 研究内容 |
| 3.2.1 具体研究方案 |
| 3.2.2 MSA-DST模型介绍 |
| 3.2.3 基于Bert的历史信息编码器的研究与实现 |
| 3.2.4 基于混合注意力机制的对话状态生成器的研究与实现 |
| 3.2.5 基于共享编码器的联合学习的研究与实现 |
| 3.3 实验设置与结果分析 |
| 3.3.1 实验设置 |
| 3.3.2 实验结果及分析 |
| 3.4 本章小节 |
| 第四章 基于轮次自注意力机制编码器的对话生成模型 |
| 4.1 研究挑战 |
| 4.2 研究内容 |
| 4.2.1 具体研究方案 |
| 4.2.2 TRSA模型介绍 |
| 4.2.3 基于Turn-level Recurrence Self-attention的历史信息编码器 |
| 4.2.4 基于CNN的对话动作预测器 |
| 4.2.5 基于层次解耦注意力的解码器 |
| 4.3 实验设置与结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果及分析 |
| 4.4 本章小节 |
| 第五章 多领域任务型对话系统演示平台的设计与实现 |
| 5.1 平台需求分析 |
| 5.2 平台设计与实现 |
| 5.2.1 平台整体架构设计 |
| 5.2.2 平台功能实现 |
| 5.2.3 核心算法功能实现 |
| 5.3 平台部署及演示 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
| 攻读硕士学位期间申请的专利 |
（10）行人重识别不变性特征学习（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究概况与发展趋势 |
| 1.2.1 基于表征学习的方法 |
| 1.2.2 基于度量学习的方法 |
| 1.2.3 基于深度学习的方法 |
| 1.2.4 行人重识别算法中其他研究内容 |
| 1.2.5 基于视频的行人重识别算法 |
| 1.2.6 行人重识别不变性特征学习 |
| 1.2.7 现有方法的不足 |
| 1.3 研究内容和研究方法 |
| 1.4 本文的结构安排和创新点 |
| 第2章 基于人体不变性特征的行人局部学习 |
| 2.1 引言 |
| 2.2 研究动机 |
| 2.3 相关工作 |
| 2.3.1 局部区域定位方法 |
| 2.3.2 局部区域描述方法 |
| 2.3.3 现有方法的不足 |
| 2.4 研究方法 |
| 2.4.1 带约束的注意力机制模块 |
| 2.4.2 网络训练 |
| 2.5 实验与分析 |
| 2.5.1 行人重识别的数据集 |
| 2.5.2 行人重识别的评估方法 |
| 2.5.3 实验设置 |
| 2.5.4 与经典方法的对比 |
| 2.5.5 消融实验 |
| 2.5.6 超参数的影响 |
| 2.5.7 可视化结果 |
| 2.5.8 行人局部学习算法在其他数据集上的泛化能力 |
| 2.6 本章小结 |
| 第3章 基于风格不变性特征的网络解耦学习 |
| 3.1 引言 |
| 3.2 研究动机 |
| 3.3 相关工作 |
| 3.3.1 纯无监督行人重识别方法 |
| 3.3.2 无监督跨域行人重识别方法 |
| 3.4 研究方法 |
| 3.4.1 网络解耦学习和风格感知网络 |
| 3.4.2 内容知识学习 |
| 3.4.3 风格知识学习 |
| 3.5 实验与分析 |
| 3.5.1 数据集和评价指标 |
| 3.5.2 实验设置 |
| 3.5.3 与经典方法的对比 |
| 3.5.4 消融实验 |
| 3.5.5 超参数的影响 |
| 3.6 本章小结 |
| 第4章 基于噪声不变性特征的流形空间学习 |
| 4.1 引言 |
| 4.2 研究动机 |
| 4.3 相关工作 |
| 4.3.1 对抗攻击 |
| 4.3.2 对抗防御 |
| 4.4 研究方法 |
| 4.4.1 流形估计 |
| 4.4.2 流形投影 |
| 4.5 实验与分析 |
| 4.5.1 实验设置 |
| 4.5.2 与经典方法的对比 |
| 4.5.3 对抗样本产生的原因 |
| 4.5.4 动态攻击验证模型鲁棒性 |
| 4.5.5 行人重识别任务中的对抗样本 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作小结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
四、联合训练突出信息共享（论文参考文献）
- [1]小儿脑瘫中医诊疗知识图谱构建及其隐性知识显性化研究[D]. 牟梓君. 中国中医科学院, 2021
- [2]高校通识教育中的设计课程研究：概念、内容与课题方法[D]. 曹勇. 南京艺术学院, 2021(12)
- [3]基于深度学习的视觉运动估计与理解[D]. 刘亮. 浙江大学, 2021(01)
- [4]基于深度学习的行人再识别算法研究[D]. 王苹宇. 北京邮电大学, 2021(01)
- [5]基于多任务神经网络的行人属性识别研究[D]. 何平. 北方工业大学, 2021(09)
- [6]基于深度学习的双目深度与光流联合估计[D]. 吕佳龙. 大连理工大学, 2021(01)
- [7]基于用户评论语义信息的推荐算法研究[D]. 王欣娟. 太原理工大学, 2021(01)
- [8]基于无造影剂MRI图像的肝癌智能诊断方法研究[D]. 肖小娇. 太原理工大学, 2021
- [9]面向多领域的任务驱动型对话系统的研究与实现[D]. 谭言信. 北京邮电大学, 2021(01)
- [10]行人重识别不变性特征学习[D]. 万超群. 中国科学技术大学, 2021(09)